基于改进U-Net网络的胸腺细胞图像分割方法技术

本发明专利技术公开了基于改进U‑Net网络的胸腺细胞图像分割方法，包括以下步骤：将UCSB breast图像数据集进行图像预处理；在U‑Net网络中，加入空洞残差模块和注意力模块；对U‑Net网络根据设定的训练策略进行训练；建立包括F1评分，对象级Dice系数和Hausdorff距离的评估指标，通过评估指标优化网络，得到最优模型；将需分割的细胞图像输入最优模型，经过特征提取和特征上采样得到分割蒙版。本发明专利技术通过改进一个基础分割网络，创建一个新的细胞图像分割方法，解决了胸腺图像自动分割过程中精度较低的问题，提高了分割的正确率和效率。

Thymocyte Image Segmentation Based on Improved U-Net Network

The present invention discloses a thymocyte image segmentation method based on improved U Net network, which includes the following steps: image preprocessing of UCSB breast image data set; adding cavity residual module and attention module in U Net network; training U Net network according to the set training strategy; establishing evaluation including F1 score, object-level Dice coefficient and Hausdorff distance. Indicators are used to optimize the network by evaluating the indicators, and the optimal model is obtained. The cell image to be segmented is input into the optimal model, and the segmented mask is obtained by feature extraction and feature sampling. By improving a basic segmentation network and creating a new cell image segmentation method, the invention solves the problem of low accuracy in the process of automatic segmentation of thymus image, and improves the accuracy and efficiency of segmentation.

【技术实现步骤摘要】
基于改进U-Net网络的胸腺细胞图像分割方法
本专利技术属于图像处理领域，涉及一种基于改进U-Net网络的胸腺细胞图像分割方法。
技术介绍
近年来，结肠癌的发病率越来越高，结肠直肠癌是男性中第三常见的癌症，也是妇女中第二常见的癌症，其中大约95％的结肠直肠癌是腺癌。通常情况下，一个典型的腺体是由形成内部管状结构的腔管区域和细胞质周围的上皮细胞核组成的。由腺上皮产生的恶性肿瘤，也被称为腺癌，是最普遍的癌症形式。在组织病理学检查中，腺体形态被广泛用于评估几种腺癌，包括乳腺，前列腺和结肠。而精确的腺体分割是获得可靠的形态学统计信息的一个关键的先决条件，这些统计信息表明肿瘤的侵袭性。在以前，腺体分割是由评估活检样本中腺体结构的病理学专家进行的，但手工注释存在再现性有限，工作量大，费时等问题。随着计算病理学的出现，数字化组织学幻灯片正在被大量使用，需要分析大规模的组织病理学资料。因此，临床实践中对自动分割方法提出很高的要求，以提高分割效率和可靠性，减少病理学家的工作量。现有技术中，通常利用各种手工特征或先验知识来分析组织病理学图像中的腺体结构，如基于图的方法，极坐标空间随机场模型，随机多边形模本文档来自技高网...

【技术保护点】
1.一种基于改进U‑Net网络的胸腺细胞图像分割方法，其特征在于，包括以下步骤：将UCSB breast图像数据集进行图像预处理；在U‑Net网络中，加入空洞残差模块和注意力模块；对U‑Net网络根据设定的训练策略进行训练；建立包括F1评分，对象级Dice系数和Hausdorff距离的评估指标，通过评估指标优化网络，得到最优模型；将需分割的细胞图像输入最优模型，经过特征提取和特征上采样得到分割蒙版。

【技术特征摘要】
1.一种基于改进U-Net网络的胸腺细胞图像分割方法，其特征在于，包括以下步骤：将UCSBbreast图像数据集进行图像预处理；在U-Net网络中，加入空洞残差模块和注意力模块；对U-Net网络根据设定的训练策略进行训练；建立包括F1评分，对象级Dice系数和Hausdorff距离的评估指标，通过评估指标优化网络，得到最优模型；将需分割的细胞图像输入最优模型，经过特征提取和特征上采样得到分割蒙版。2.根据权利要求1所述的方法，其特征在于，所述图像预处理包括旋转、裁剪和翻转变换得到固定大小的输入图像。3.根据权利要求1所述的方法，其特征在于，所述图像预处理为相似变换增强法，相似变换由以下得到：将公式用M1表示，约束条件表达式为：求M1的最小值，得到矩阵M为：其中，μs等于将矩阵M带入M1得到相似变换的变形函数：其中，Ai仅与控制点的集合p有关，由下式得到：4.根据权利要求1所述的方法，其特征在于，所述注意力模块定义如下：其中，和分别代表输入和输出，gi代表高层次上下文信息提供的门信号，代表sigmoid激活函数，Θa...

【专利技术属性】
技术研发人员：于海滨，贝琛圆，潘勉，吕帅帅，和文杰，于彦贞，刘爱林，李子璇，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33